卵巢癌属于女性中常见的恶性肿瘤。由于该疾病的隐匿性，多数患者在被确诊为卵巢癌时已经属于晚期。卵巢癌的早期检测对该疾病的治疗十分重要。目前卵巢癌的早期检测技术有:血清肿瘤标志物的检测、基因组学检测技术、阴道超声检查等。然而，这些早期筛查技术在不同的方面仍具有一定的局限性，卵巢癌早期检测技术的进一步研究还很必要。　　通过检测细胞的光散射信号开展细胞免标记分析，有处理速度快、准确、非侵入等突出特点。细胞光散射技术在细胞的分类、计数、细胞生物功能以及细胞的病理学分析中得到广泛的研究。光散射免标记技术，尤其是二维(2D)光散射免标记技术在卵巢癌细胞分析中较少涉及。　　本论文主要开展将二维光散射技术用于卵巢癌细胞的分类识别研究。论文设计了基于单模光纤照明的单细胞二维光散射图样采集平台，采集了一定数量的卵巢癌细胞以及卵巢正常细胞的二维光散射图样。在分类处理上，本文提出了将方向梯度直方图(Histograms of Oriented Gradients，HOG)算法用于对二维光散射图样进行梯度各向异性特征提取，并结合支持向量机(Support Vector Machine，SVM)进行机器学习。　　本论文实现了精确度为90.81％的卵巢癌细胞和卵巢正常细胞无标记光散射识别区分。该结果启示我们癌细胞和正常细胞的特异性信息或许可以由2D光散射图样的梯度各向异性来表征，并且可以通过HOG算法从中提取并实现分类，该处理方式亦有可能应用于其他类型细胞的免标记检测。论文结果表明二维光散射技术有望用于免标记卵巢癌细胞临床筛查。